fariver

摘要： 目录TIGER: Recommender Systems with Generative RetrievalTL;DRMethodSemantic ID的生成过程 以及 在生成式推荐中的用法 示意图Semantic ID生成使用RQ-VAE算法ExperimentQ&A相关链接 TIGER: Rec 阅读全文

摘要： 目录Generative Recommendation with Semantic IDs: A Practitioner’s HandbookTL;DRMethodExperimentQ&A总结与思考相关链接 Generative Recommendation with Semantic IDs: 阅读全文

摘要： 目录GME: Improving Universal Multimodal Retrieval by Multimodal LLMsTL;DRMethodModel多模态数据数据合成Experiment效果可视化总结与思考 GME: Improving Universal Multimodal Re 阅读全文

摘要： 目录UniME-V2: MLLM-as-a-Judge for Universal Multimodal Embedding LearningTL;DRMethodMLLM-as-a-Judge for Hard Negatives MiningMLLM Judgment Based Trainin 阅读全文

摘要： 目录Breaking the Modality Barrier: Universal Embedding Learning with Multimodal LLMsTL;DRMethod阶段一：Textual Discriminative Knowledge Distillation阶段二：Hard 阅读全文

摘要： 目录Qwen2.5-VL Technical ReportTL;DRMethodFast and Efficient Vision EncoderMRoPE对齐绝对时间信息Pre-TrainingInterleaved Image-Text DataGrounding Data with Absol 阅读全文

摘要： 目录DeepSeek-OCR: Contexts Optical CompressionTL;DRMethodDeepEncoderDeepDecoderDataExperiment总结与思考相关链接 DeepSeek-OCR: Contexts Optical Compression link 时 阅读全文

摘要： 目录SAIL-Embedding Technical Report: Omni-modal Embedding Foundation ModelTL;DRDataRecommendation-aware Data ConstructionDynamic Hard Negative MiningQ：动 阅读全文

摘要： 目录VLM2Vec-V2: Advancing Multimodal Embedding for Videos, Images, and Visual DocumentsTL;DRMethodQ：VLM2Vec-V2与原始VLM2Vec算法有什么区别？BenchmarkQ&AQ：CLS, QA, R 阅读全文

摘要： 目录VLM2VEC: TRAINING VISION-LANGUAGE MODELS FOR MASSIVE MULTIMODAL EMBEDDING TASKSTL;DRMethodDatasetExperimentQ&AQ：VLM2Vec与普通VLM有什么区别？难道仅仅是会将embedding存 阅读全文